多媒體技術(shù)chapter04-b

《多媒體技術(shù)chapter04-b》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第4章無損數(shù)據(jù)壓縮1多媒體信源引起了“數(shù)據(jù)爆炸”如果不進(jìn)行數(shù)據(jù)壓縮傳輸和存儲都難以實用化。多媒體數(shù)據(jù)Facebook每天上傳1億張圖片，130TB日志量數(shù)據(jù)壓縮就是在一定的精度損失條件下，以最少的數(shù)碼表示信源所發(fā)出的信號。第4章無損數(shù)據(jù)壓縮2信源編碼信道編碼信道信道譯碼信源譯碼信源信宿第4章無損數(shù)據(jù)壓縮3時間域壓縮──迅速傳輸媒體信源頻率域壓縮──并行開通更多業(yè)務(wù)空間域壓縮──降低存儲費用能量域壓縮──降低發(fā)射功率多媒體數(shù)據(jù)壓縮的必要性數(shù)據(jù)存儲傳輸帶寬第4章無損數(shù)據(jù)壓縮4壓縮比要大恢復(fù)后的失真小壓縮算法要簡

2、單、速度快壓縮能否用硬件實現(xiàn)數(shù)據(jù)壓縮技術(shù)實現(xiàn)的衡量標(biāo)準(zhǔn)第4章無損數(shù)據(jù)壓縮5信息冗余采集的多媒體數(shù)據(jù)信息具有相關(guān)性，可以用數(shù)學(xué)的方法來表示這些重復(fù)數(shù)據(jù)或相關(guān)數(shù)據(jù)。感官誤差允許人們在感知各種媒體對象時，往往對一些細(xì)節(jié)信息沒有很強的感知，而且存在各種隱蔽效應(yīng)。多媒體數(shù)據(jù)壓縮的可能性第4章無損數(shù)據(jù)壓縮數(shù)據(jù)壓縮可分成兩種類型，一種叫做無損壓縮，另一種叫做有損壓縮。無損壓縮是指使用壓縮后的數(shù)據(jù)進(jìn)行重構(gòu)(或者叫做還原，解壓縮)，重構(gòu)后的數(shù)據(jù)與原來的數(shù)據(jù)完全相同；無損壓縮用于要求重構(gòu)的信號與原始信號完全一致的場合。一個很常

3、見的例子是磁盤文件的壓縮。根據(jù)目前的技術(shù)水平，無損壓縮算法一般可以把普通文件的數(shù)據(jù)壓縮到原來的1/2～1/4。一些常用的無損壓縮算法有霍夫曼(Huffman)算法和LZW(Lenpel-Ziv&Welch)壓縮算法。6有損壓縮是指使用壓縮后的數(shù)據(jù)進(jìn)行重構(gòu)，重構(gòu)后的數(shù)據(jù)與原來的數(shù)據(jù)有所不同，但不會讓人對原始資料表達(dá)的信息造成誤解。有損壓縮適用于重構(gòu)信號不一定非要和原始信號完全相同的場合。例如，圖像和聲音的壓縮就可以采用有損壓縮，因為其中包含的數(shù)據(jù)往往多于我們的視覺系統(tǒng)和聽覺系統(tǒng)所能接收的信息，丟掉一些數(shù)據(jù)而不

4、至于對聲音或者圖像所表達(dá)的意思產(chǎn)生誤解，但可大大提高壓縮比。(數(shù)字水印)第4章無損數(shù)據(jù)壓縮7本章主要介紹目前用得最多，技術(shù)最成熟的無損壓縮編碼技術(shù)，包含：霍夫曼編碼算術(shù)編碼RLE編碼詞典編碼對于不打算開發(fā)壓縮技術(shù)和編寫壓縮程序的讀者可不必深究編譯碼的詳細(xì)過程。第4章無損數(shù)據(jù)壓縮8香農(nóng)-范諾編碼算法需要用到下面兩個基本概念1.Entropy(熵)的概念(1)熵是信息量的度量方法，它表示某一事件出現(xiàn)的消息越多，不確定性事件發(fā)生的可能性就越小，數(shù)學(xué)上就是概率越小。(2)某個事件的信息量用Ii=-log2pi表示，

5、其中pi為第i個事件的概率，0?

6、40個象素中出現(xiàn)灰度A的象素數(shù)有15個，出現(xiàn)灰度B的象素數(shù)有7個，出現(xiàn)灰度C的象素數(shù)有7個等等，如表4-01所示。如果用3個位表示5個等級的灰度值，也就是每個象素用3位表示，編碼這幅圖像總共需要120位（3×15＋3×7＋3×7＋3×6＋3×5）。表4-01符號在圖像中出現(xiàn)的數(shù)目符號ABCDE出現(xiàn)的次數(shù)1577654.1.1香農(nóng)-范諾編碼11按照香農(nóng)理論，這幅圖像的熵為H(S)=(15/40)×log2(40/15)+(7/40)×log2(40/7)+…+(5/40)×log2(40/5)　=2.196

7、這就是說每個符號用2.196位表示，40個象素需用87.84位（2.196×40）。4.1.1香農(nóng)-范諾編碼12最早闡述和實現(xiàn)這種編碼的是Shannon(1948年)和Fano(1949年)，因此被稱為香農(nóng)-范諾(Shannon-Fano)算法。這種方法采用從上到下的方法進(jìn)行編碼。首先按照符號出現(xiàn)的頻度或概率排序，例如，A，B，C，D和E，如表4-02所示。然后使用遞歸方法分成兩個部分，使兩個部分的概率和接近于相等。直至不可再分，即每一個葉子對應(yīng)一個字符。如圖4-01所示。按照這種方法進(jìn)行編碼得到的總位數(shù)為

8、91，實際的壓縮比約為1.3:1。4.1.1香農(nóng)-范諾編碼13表4-02Shannon-Fano算法舉例表符號出現(xiàn)的次數(shù)(pi)log2(1/pi)分配的代碼需要的位數(shù)A15(0.375)1.41500030B7(0.175)2.51450114C7(0.175)2.51451014D6(0.150)2.736911018E5(0.125)3.0000111154.1.1香農(nóng)-范諾編碼14圖4-01香農(nóng)-范諾算法